Trend Micro logo
趋势科技
Sr. AI Engineer (LLM & Security)

Sr. AI Engineer (LLM & Security)

发布于 2 小时前

普通员工/个人贡献者

AI 估算 · 9.0–15.0万 · AI 参考估算
高级经验
学历未注明
全职员工仅现场办公AI算法
AI算法
Llm
Mlops
Numpy
Pytorch
Scikit-Learn
Tensorflow
网络安全

值不值得投

72综合评分

综合评分 72

资深LLM与网络安全AI岗位,技术前沿、成长性强,薪资与WLB信息未披露。

从薪资福利、成长发展、工作生活和使命价值四个维度综合评估,方便横向比较。

薪资怎么样

12.0万

比AI算法中位数高

发布情况

新岗位 · 今天发布

公司情况

这家公司招聘很活跃

47 个在招

市场机会

选择不多

台北 · AI算法 · 3 个在招

职位详情

关于这个职位

该职位面向网络安全场景的AI研发,负责生产级AI服务与API开发、前沿AI/ML技术验证,以及大语言模型的微调、提示工程与效果评估

适合具备机器学习工程能力、LLM实践经验,并希望将算法落地到安全产品中的资深工程师

最低要求

年以上数据科学、机器学习或相关数据驱动领域的行业经验

扎实的 Python 技能,包括 Pandas、NumPy 和 scikit-learn
扎实的计算机科学基础(算法、数据结构、数据建模、系统编程),并具备统计学、数据挖掘、机器学习和 AI 算法的广泛知识
具备训练和评估大规模深度学习模型的经验(PyTorch 和/或 TensorFlow),能够管理大量实验并设计严谨的实验
具备 LLM/NLP 工具使用经验(Hugging Face Transformers、OpenAI APIs 或类似的 GenAI 技术)
具备 MLOps 实践和工具经验(MLflow、Weights & Biases、Git、Docker)
具备较强的分析和解决问题能力
能够跨团队协作,并向技术和非技术利益相关者解释技术发现

工作职责

AI 服务开发:设计、构建、部署和维护可用于生产环境的 AI 服务和 API,并与内部系统、数据流水线和云基础设施集成

AI 研究:评估新兴 AI/ML 技术,开展概念验证实验,并将研究发现转化为满足业务和产品需求的实用解决方案
LLM 微调:对 LLM 进行微调、领域适配、提示工程和评估,以满足特定的业务和安全需求

优先资格

LLM 应用框架:LangGraph、LangChain、LlamaIndex、Semantic Kernel

微调与优化:PEFT、LoRA、QLoRA、DeepSpeed
编排与大规模数据处理:Airflow、Spark/PySpark、Amazon EMR
云端与部署:AWS、Azure、GCP、FastAPI、ONNX、Triton Inference Server、Kubernetes
将 ML/DS/LLM 技术应用于网络安全,例如威胁、异常或钓鱼检测、恶意软件分类和漏洞分析
在顶级 AI/ML 会议或期刊发表论文(AAAI、NeurIPS、ICML、ICLR、KDD、EMNLP)

AI 洞察

优缺点分析

优点

  • 岗位聚焦 LLM 与网络安全结合,技术方向明确,能积累生成式 AI 在真实安全产品中的落地经验
  • JD 覆盖从研究、实验到生产服务部署的完整链路,适合希望提升工程化与算法落地能力的工程师
  • 团队关注前沿 AI/ML 技术,并鼓励将 PoC 转化为业务和产品价值,技术成长空间较大
  • 加分项涵盖 LangGraph、LoRA、DeepSpeed、Kubernetes、云部署等现代 AI 工程栈,能接触较完整的工具生态
  • 网络安全场景对准确率、误报率、可解释性和稳定性要求高,模型落地难度可能较大
  • JD 未明确办公模式、晋升路径和具体福利,求职者在投递前需要进一步确认
  • 适合有四年以上数据科学或机器学习经验、希望把 LLM 和深度学习技术落地到网络安全产品的资深技术候选人

缺点 / 挑战

  • 要求同时具备算法研究、深度学习训练、LLM 微调、MLOps 与生产系统能力,综合门槛较高

角色解读

  • 可向资深 AI 工程师、机器学习平台工程师或 LLM 应用架构师方向发展,负责更复杂的模型训练、部署与系统整合
  • 可深耕网络安全 AI,成为威胁检测、恶意软件分析、漏洞分析等方向的算法专家
  • 未来也可转向技术管理或跨产品 AI 策略角色,负责团队技术路线与产品落地
  • 设计、构建、部署并维护生产级 AI 服务和 API,使其接入内部系统、数据管道与云基础设施
  • 评估新兴 AI/ML 技术,开展概念验证实验,并把研究成果转化为业务和产品可用的方案
  • 对大语言模型进行微调、领域适配、提示工程和效果评估,使其满足业务与网络安全需求
  • 将 AI 能力应用于安全场景,如威胁检测、异常检测、钓鱼识别、恶意软件分类或漏洞分析
  • 需要扎实的 Python 工程能力,熟悉 Pandas、NumPy、scikit-learn,并能完成数据处理、建模与实验分析
  • 需要掌握计算机基础、统计学、数据挖掘、机器学习和 AI 算法,具备严谨实验设计能力
  • 需要熟悉 PyTorch 或 TensorFlow 训练与评估大规模深度学习模型,并掌握 Hugging Face Transformers、OpenAI APIs 等 LLM/NLP 工具
  • 需要理解 MLOps 实践,能够使用 MLflow、Weights & Biases、Git、Docker 等工具管理实验、版本和部署流程

申请策略

  • 申请前了解趋势科技在云端安全、威胁防护和企业安全产品上的业务方向,准备将 AI 能力与安全问题结合的示例
  • 面试中尽量用量化指标说明模型效果、延迟、成本、稳定性和上线收益,体现工程落地能力
  • 突出生产级 AI 服务或 API 项目,说明模型如何部署、监控、迭代,以及接入内部系统或数据管道的方式
  • 重点展示 LLM 微调、领域适配、提示工程和评估经验,尤其是 Hugging Face Transformers、OpenAI APIs、PEFT、LoRA 等相关实践
  • 强调大规模深度学习模型训练与实验管理经历,包括 PyTorch/TensorFlow、MLflow、Weights & Biases、Docker 等工具使用
  • 如有安全场景经验,应具体写明威胁检测、异常检测、钓鱼识别、恶意软件分类或漏洞分析中的建模结果与业务影响
  • 补齐 LLM 应用框架能力,熟悉 LangGraph、LangChain、LlamaIndex 或 Semantic Kernel 的典型架构与适用场景
  • 加强模型微调与推理优化技能,理解 PEFT、LoRA、QLoRA、DeepSpeed、ONNX、Triton Inference Server 的使用场景

面试指南

  • 用「业务问题—数据—模型—评估—上线—监控」的结构回答项目经历,突出决策依据和结果指标
  • 对 LLM 问题可按「数据准备—微调/提示策略—离线评估—线上验证—安全与成本控制」展开
  • 对安全场景问题,从召回率、精确率、误报成本、可解释性、鲁棒性和持续迭代机制几个维度分析
  • 请介绍一个你从实验到生产上线的 AI 服务项目,你负责了哪些部分?
  • 如何对 LLM 进行领域适配?你会如何设计微调数据、评估指标和回归测试?
  • 在网络安全场景中,如何处理误报率、漏报率和数据漂移问题?
  • 你如何使用 MLflow、Weights & Biases、Docker 等工具管理实验和部署流程?
  • 面对一个 phishing detection 或 malware classification 任务,你会如何构建端到端机器学习方案?

职位点评

薪资福利72
成长发展88
工作生活45
使命价值82

薪资福利

72中等

JD未披露薪资与福利信息,但岗位为资深AI工程方向,通常对具备LLM和MLOps经验的候选人有较好市场吸引力。由于缺少明确薪酬和福利条款,补偿性动机只能判断为有一定满足但信息不足。

薪资信号未披露(AI估算:9.0千–15.0万/月)

成长发展

88较高

岗位明确涉及前沿AI/ML技术评估、LLM微调、生产级AI服务开发和MLOps实践,技术成长信号强。JD还列出多个先进框架与优化工具,适合希望深化生成式AI和安全AI能力的候选人。

技术前沿前沿/新兴技术
技术栈AI、ML、LLM、NLP、Deep Learning、PyTorch、TensorFlow、Hugging Face Transformers、OpenAI APIs、MLOps、LangGraph、LangChain、LlamaIndex、Semantic Kernel、PEFT、LoRA、QLoRA、DeepSpeed、Airflow、Spark/PySpark、Amazon EMR、AWS、Azure、GCP、FastAPI、ONNX、Triton Inference Server、Kubernetes
成长机会tracks the latest trends in AI development and applications、Evaluate emerging AI/ML techniques、run proof-of-concept experiments
业务类型ambiguous

工作生活

45较低

JD仅明确地点为台北,未提及远程、混合办公、弹性工时或休假制度,因此生活化动机满足程度有限。办公模式与工作节奏均需投递或面试时进一步确认。

工作模式未明确
办公地点未明确
加班情况未提及(无法判断)

使命价值

82较高

岗位将AI技术应用于网络安全,JD中明确提到守护连接世界、为客户创造价值,以及威胁、异常、钓鱼、恶意软件和漏洞分析等安全场景,意义感较强。行业方向聚焦云端资安与AI应用,具备较好的技术与行业前景。

行业发展高速增长赛道
社会影响正向社会影响力较高
使命信号全球雲端資安領航者、delivering customer value、連結智慧 守護世界 --- Connected Intelligence for Securing a Connected World
创新程度积极采用新技术
Watch Jobs